选择一个回归函数
回归拟合模型数据的过程。模型必须有数值反应。对分类模型反应,明白了参数分类或监督学习工作流程和算法。回归过程依赖于模型。如果一个模型参数,回归估计的参数数据。如果一个模型参数是线性的,估计是基于线性代数方法,减少残余向量的规范。如果一个模型参数是非线性的,估计是基于搜索方法优化,减少残余向量的规范。
此表描述了使用哪个函数取决于类型的回归问题。
模型组件 | 回归的结果 | 函数使用 |
---|---|---|
连续或分类预测,连续反应,线性模型 | 拟合模型系数 | fitlm 。看到线性回归。 |
连续或分类预测,连续反应,线性模型未知的复杂性 | 拟合模型和拟合系数 | stepwiselm 。看到逐步回归。 |
连续或分类预测,反应可能与限制,如非负整数值,广义线性模型 | 广义线性模型拟合系数 | fitglm 或stepwiseglm 。看到广义线性模型。 |
连续预测连续非线性响应,参数化非线性模型 | 拟合非线性模型系数 | fitnlm 。看到非线性回归。 |
连续预测,连续反应,线性模型 | 组模型从山脊、套索或弹性净回归 | 套索 或脊 。看到套索和弹性网或岭回归。 |
相关的连续预测,持续的响应,线性模型 | 拟合模型和拟合系数 | plsregress 。看到偏最小二乘。 |
连续或分类预测,连续反应,未知的模型 | 非参数模型 | fitrtree 或fitrensemble 。 |
分类预测只 | 方差分析 | 方差分析 ,anova1 ,anova2 ,anovan 。 |
连续的预测,多变量响应,线性模型 | 拟合多元回归模型系数 | mvregress |
连续预测,连续反应,mixed-effects模型 | 安装mixed-effects模型系数 | nlmefit 或nlmefitsa 。看到Mixed-Effects模型。 |
遗留代码更新与新的拟合方法
有几个统计和机器学习工具箱™函数进行回归。以下部分描述如何调用替换老新版本功能:
回归
成fitlm
以前的语法:
[b,少女,r,无线电侦察,统计]=回归(y, X)
在哪里X
包含一个列的。
目前的语法:
mdl = fitlm (X, y)
你不添加一个列的X
。
以前的等效值输出:
b
- - - - - -mdl.Coefficients.Estimate
少女
- - - - - -coefCI
(mdl)
r
- - - - - -mdl.Residuals.Raw
无线电侦察
——没有完全等效。试着检查mdl.Residuals.Studentized
发现异常值。统计数据
- - - - - -mdl
包含各种属性替换的组件统计数据
。
regstats
成fitlm
以前的语法:
统计= regstats (y、X模型whichstats)
目前的语法:
mdl = fitlm (X, y,模型)
获得统计数据的属性和方法LinearModel
对象(mdl
)。例如,看到mdl.Diagnostics
和mdl.Residuals
属性。
robustfit
成fitlm
以前的语法:
[b,统计]= robustfit (X, y, wfun,曲调,常量)
目前的语法:
mdl = fitlm (X, y,‘强劲’,‘上’)% bisquare
或使用wfun
重量和调优
调优参数:
opt.RobustWgtFun = 'wfun”;opt.Tune =调优;%可选mdl = fitlm (X, y,“强劲”,选择)
获得统计数据的属性和方法LinearModel
对象(mdl
)。例如,看到mdl.Diagnostics
和mdl.Residuals
属性。
stepwisefit
成stepwiselm
以前的语法:
[b, se, pval, inmodel,统计,nextstep,历史]= stepwisefit (X, y,名称,值)
目前的语法:
mdl = stepwiselm (ds, modelspec、名称、值)
或
mdl = stepwiselm (X, y, modelspec、名称、值)
获得统计数据的属性和方法LinearModel
对象(mdl
)。例如,看到mdl.Diagnostics
和mdl.Residuals
属性。
glmfit
成fitglm
以前的语法:
[b, dev,统计]= glmfit (val1, X, y,分配,param1…)
目前的语法:
mdl = fitglm (X, y,分配,…)
获得统计数据的属性和方法GeneralizedLinearModel
对象(mdl
)。例如,异常mdl.Deviance
,比较mdl
对一个常数模型,使用devianceTest
(mdl)
。
nlinfit
成fitnlm
以前的语法:
[β,r, J, COVB, mse) = nlinfit (X, y,乐趣、beta0选项)
目前的语法:
mdl = fitnlm (X, y,有趣,beta0,“选项”选项)
以前的等效值输出:
β
- - - - - -mdl.Coefficients.Estimate
r
- - - - - -mdl.Residuals.Raw
covb
- - - - - -mdl.CoefficientCovariance
均方误差
- - - - - -mdl.mse
mdl
不提供雅可比矩阵(J
)输出。的主要目的J
通过成吗nlparci
或nlpredci
获得置信区间估计的系数(参数)或预测。获得这些置信区间为:
parci = coefCI (mdl) [pred predci] =预测(mdl)